当前位置:主页 > 科技论文 > 矿业工程论文 >

薄煤层采掘设备故障诊断系统的研究与实现

发布时间:2018-09-17 11:42
【摘要】:我国薄煤层的储量在煤炭总储量中的占比高,其产量却十分低下。主要在于薄煤层开采效益低,机械化和智能化程度过低。构建采掘设备故障诊断系统,有利于提高薄煤层开采设备的智能化水平。本文研究了薄煤层采掘设备上的旋转机构部件的故障诊断。为了模拟采掘设备的旋转机械故障,以NI数据采集卡和Labview软件为核心搭建了一个旋转机械的故障仿真平台。针对该旋转机械故障仿真平台,分析了轴承、齿轮、转子类故障的特点和模型,设计了一个RBF神经网络来进行旋转机械故障分类算法,并将采集的平台故障振动数据用于RBF神经网络的训练和测试。在诊断过程中,本文采用先快速定位故障,后精细诊断的策略。在RBF网络的输入特征值向量的处理上,本文分别采用考虑故障模型和不考虑故障模型两种方式进行实验。实验结果表明,RBF网络和故障模型相结合的诊断方式准确率更高。为方便采掘设备的远程监控与诊断,本文采用JSP、Struts2、Hibernate和Mysql数据库设计并实现了一个基于java Web的采掘故障诊断系统,该Web系统采用基于MVC的四层结构。将故障诊断平台上研究的故障分类算法用java实现,并应用到该Web系统的诊断模块部分中。状态监控模块和故障诊断模块是该系统的核心模块,为了方便用户权限控制和新增采掘设备的管理,Web系统中还设计了权限管理和设备管理模块。
[Abstract]:Thin seam reserves account for a high proportion of total coal reserves in China, but its output is very low. The main reason is that the efficiency of thin seam mining is low and the degree of mechanization and intellectualization is too low. Fault diagnosis of structure parts. In order to simulate rotating machinery faults of mining equipment, a fault simulation platform of rotating machinery is built with NI data acquisition card and Labview software as the core. Aiming at the fault simulation platform of rotating machinery, the characteristics and models of bearing, gear and rotor faults are analyzed, and a RBF neural network is designed to advance the platform. In the process of diagnosis, the strategy of locating faults quickly and diagnosing them accurately is adopted. In the processing of input eigenvalue vectors of RBF network, fault models are considered and fault models are not considered respectively. The experimental results show that the RBF network and fault model have higher accuracy. In order to facilitate the remote monitoring and diagnosis of mining equipment, this paper designs and implements a mining fault diagnosis system based on Java Web using JSP, Struts2, Hibernate and Mysql database, and the Web system uses MV. C four-tier structure. The fault classification algorithm based on the fault diagnosis platform is implemented in Java and applied to the diagnosis module of the Web system. The state monitoring module and the fault diagnosis module are the core modules of the system. In order to facilitate the control of user privileges and the management of new mining equipment, the privilege management is also designed in the Web system. Device management module.
【学位授予单位】:华中科技大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TD421

【相似文献】

相关期刊论文 前10条

1 刘甄,赵家元,程智民,印建安,翟天奎,彭洪斌,刘思友;旋转机械故障诊断系统的应用[J];化工自动化及仪表;2000年01期

2 张海涛;韩捷;李志农;潘玉娜;;基于全矢谱分析的故障诊断系统的开发[J];煤矿机械;2007年03期

3 程秀芳;王宝中;陶文;;低速重载冶金设备故障诊断系统的研究[J];煤矿机械;2009年11期

4 徐其伦;;旋转机械在线和离线故障诊断系统[J];炼油化工自动化;1992年03期

5 周凤星 ,程耕国,高立新;机械与电气设备在线数据采集和故障诊断系统[J];冶金自动化;2002年03期

6 陆明春;张学启;;一种大型旋转机械远程在线监测和故障诊断系统[J];天津冶金;2008年01期

7 王新;汽轮发电机组振动监测与故障诊断系统[J];有色冶金节能;1997年01期

8 曾传璜;王泳;;机车故障诊断系统中可视化控件的设计与实现[J];江西理工大学学报;2006年04期

9 李建华;雷志鹏;李艳伟;;综采工作面“三机”状态监测及故障诊断系统开发[J];中国煤炭;2012年09期

10 范秀兰,马欣,戴自祥,何衍庆,俞金寿,陶敬时,卢康妹,徐强,郑建明,王甫兴;开停车控制与故障诊断系统[J];中国造纸;1998年03期

相关会议论文 前10条

1 黄建军;杨世锡;李志农;严拱标;;旋转机械远程状态监测与故障诊断系统的开发[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

2 肖涵;李友荣;;风机远程监测与故障诊断系统的研究[A];湖北省机械工程学会机械设计与传动专业委员会第十五届学术年会论文集(一)[C];2007年

3 冯俊婷;王冶;徐挙;刘国发;王桂增;;基于小波的中国实验快堆钠泵故障诊断系统[A];中国电子学会第七届学术年会论文集[C];2001年

4 盖强;冯杰;初健;;舰船主机故障诊断系统[A];第二届全国信息获取与处理学术会议论文集[C];2004年

5 陈剑;;基于定性推理的故障诊断系统研究[A];复杂巨系统理论·方法·应用——中国系统工程学会第八届学术年会论文集[C];1994年

6 赵建鹏;丁国辉;胡亮;;一种基于多信号模型的故障诊断系统设计与实现[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年

7 成成;黄道;;大型化肥生产过程的故障诊断系统[A];1997中国控制与决策学术年会论文集[C];1997年

8 谢江华;徐才发;张迅;李汉祥;杨德斌;;大型设备的远程在线监测与故障诊断系统的实现[A];2003年11省区市机械工程学会学术会议论文集[C];2003年

9 谢立强;王雪;谢志江;;组态式在线监测与故障诊断系统的研究[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

10 赵杰;刘教民;;一种低压智能化电器故障诊断系统研究[A];首届信息获取与处理学术会议论文集[C];2003年

相关重要报纸文章 前2条

1 记者 李黎邋通讯员 徐国青;理工监测四个项目跻身 “国家队”[N];宁波日报;2007年

2 李立红 李荣梧;用技术创新提高设备管理水平[N];中国冶金报;2006年

相关博士学位论文 前4条

1 宋磊;双馈异步风电机组状态监测与故障诊断系统的研究[D];华北电力大学;2015年

2 冯俊婷;中国实验快堆钠泵故障诊断系统的开发研究[D];中国原子能科学研究院;2003年

3 董晓峰;基于RCM分析的智能化汽轮机组故障诊断系统研究[D];华北电力大学;2012年

4 杜殿林;FCCU反—再系统基于神经网络和SDG模型的混合故障诊断系统研究与开发[D];北京化工大学;2006年

相关硕士学位论文 前10条

1 陈亮;数控机床远程实时故障诊断系统设计[D];西南交通大学;2015年

2 陈风玲;SS4G型电力机车故障诊断系统的研究[D];西南交通大学;2014年

3 刘超;基于声学技术的列车车轮擦伤故障诊断研究[D];哈尔滨工业大学;2015年

4 陈鹏原;基于Labview的风电机组在线监测和故障诊断系统的研究[D];华北电力大学;2015年

5 王广夫;船舶电力故障诊断系统的研究与应用[D];大连海事大学;2015年

6 孙长建;面向远程故障诊断的物流设备数据采集与监控系统设计[D];西南科技大学;2015年

7 陶佳琦;基于故障树的地铁AC17型列车故障诊断系统研究[D];上海交通大学;2014年

8 涂冬冬;地下无轨设备状态监测及故障诊断系统的研究与实现[D];电子科技大学;2015年

9 司曙锋;高原型航空液压油泵车信息化系统研究[D];南京大学;2014年

10 付振华;基于多传感器信息融合的数控加工单元故障诊断系统研究[D];电子科技大学;2014年



本文编号:2245789

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/kuangye/2245789.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户6f381***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com